Methodology

The  methodology  for  the  determinants  of  migration  is  straightforward.  The  determinants of being a migrant (a dichotomous variable taking on values of 1 for  being a migrant and 0 for not being a migrant) are measured. I follow the previous  literature by using a standard probit model, since I want to analyse the selection  process. Equation 4.1 outlines the probability of being a migrant.  46  ) ( ) 1 (y= x =G β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+ν p   4.1  G is a function taking on values between zero and one, and since this is a probit  model  it  is  a  standard  normal  cumulative  density  function.  p  measures  the 

probability of an individual to be a migrant, given the following characteristics. x1  are individual characteristics. The main variables of interest are regressors x2 to x6.  These are characteristics that refer to the different parts of the Welfare Pentagon.  x2  are  family  characteristics,  x3  are  market  characteristics,  x4  are  membership  institution  characteristics,  x5 are  social network characteristics  and  x6 are  public 

l authority  characteristics.  ν  is  the  error  term  referring  to  any  unexp ained  differences. 

Finding  proxies  that  refer  to  different  parts  of  the  Welfare  Pentagon  is  not  a  straightforward task. For example, how does one model whether someone has a  helpful family? In this instance, I use family size (extent of possibility of help) and  family wealth (extent of their helpfulness) as a proxy. In the next section I outline  in detail which proxies are used for which corner of the Welfare Pentagon. Due to  data  limitations  (especially  for  Moldova),  the  proxies  used  are  quite  rough.  Nevertheless these proxies should give a basic idea about the different parts of the  Welfare Pentagon. 

The methodology for the determinants of remittances requires more explanation.  Early papers on the motivations to remit used Ordinary Least Squares (OLS) (for  example Lucas & Stark, 1985) to model the remittance decision. It is now known  that  using  such  a  method  leads  to  biased  and  inconsistent  estimates,  since  a  substantial  fraction  of  the  migrants  does  not  remit.  In  recent  papers,  the  main  methodological distinction is made between modelling the motivations to remit as  a  one‐stage  decision  (Tobit)  where  the  decision  to  remit  and  the  amount  of  remittances are made together or as a Heckman two‐stage approach (Probit and  corrected  OLS)  where  the  model  separates  the  decision  to  remit  and  the  subsequent decision of how much to remit. The advantage of the latter approach is  that it allows a regressor to differently affect the decision to remit and the level of  remittances. Amuedo‐Dorantes & Pozo (2006), on the other hand, argue that using 

    s

a  two‐part  selection  model  leads  to  identification  problems,  i.e.  it  is hard  to ay  which variables would matter for one decision and not the other.  

An  alternative  to  the  two‐stage  approach  is  to  assume  that  there  is  only  one  remittances decision in which the two stages occur simultaneously. This one‐stage  decision can be modelled as a single equation estimated by Tobit analysis, using  both remitting and non‐remitting migrants. Each regressor has the same effect on  the  probability  of  being  a  remitter  and  on  the  level  of  remittances.  The  convenience  of  this  approach  is  that  it  enables  the  identification  of  a  set  of  variables that are most significant in influencing “remittance behaviour” and thus  test  some  of  the  theoretical  predictions  which  do  not  differentiate  between  the  refore, assume that the remittance   using a Tobit model.  decision to remit and how much to remit. I, the decision is a one‐stage process and will model it The Tobit model is sp ⎪ 0 ecified as in equation 4.2 :    4.2  ⎪⎩0 where    ⎨ ⎧ ≤ > = 0 * * * i i i i R if R if R R i i i X R*=β' +ε

The  Tobit  model  is  used  for  censored  data,  where  the  dependent  variable  R*i  is  latent. In the following analysis R*i is observed for values that are higher than zero  and  it  captures  the  i‐th  individual’s  propensity  to  remit.  It  has  a  normal,  homoskedastic  distribution  with  a  linear  conditional  mean.  Ri  is  the  actual  observed value of remittances remitted by individual i. It can be either positive or  zero and it is positive for those migrants that do remit. Xi is a vector of explanatory 

48 

variables  that  explains  whether  and  how  much  someone  remits.  ε  refers  to  the  error term that accounts for any unexplained differences. 

A disadvantage associated with the Tobit model is that the assumption of normally  and  homoskedastic  distributed  errors  might  not  hold.  If  households  have  more  than  one  remitter,  remittances  of  both  remitters  partially  depend  on  the  same  unobservable  household  characteristics  and  this  results  in  error  terms  that  are  correlated across observations.30 _{Since most households in the datasets only have}  one remitter, I assume that this problem is minimal.31 

4.4

Why do people migrate?

This  section  looks  at  why  people  migrate.  It  uses  data  from  standard  household  surveys for Albania and Moldova to explore whether something can be said about  the  relevance  of  the  Welfare  Pentagon  institutions  in  explaining  differences  between migrants and non‐migrants. It is clear that these data are not collected to  test the livelihood portfolio theory.32 _{Many variables that would reflect the access}  to,  endowment  and  investments  in  the  institutions  of  the  Welfare  Pentagon  are  simply  not  available.  This  means  that  I  roughly  explore  whether  (not)  having  access to certain parts of the Welfare Pentagon explains why some migrate while  others  do  not.  Section  4.4.1  gives  a  first  indication  with  descriptive  statistics,  followed by the econometric analysis in section 4.4.2.